จาก Deep Blue สู่ DeepMind

ถ้าจะถามว่าได้อะไรจากเกม กีฬากันบ้าง แน่นอนนอกจากความสนุกสนานเพลิดเพลิน ความสัมพันธ์ และการเสริมสร้างสุขภาพร่างกายแล้ว การแข่งขันยังจำลองสถานการณ์เพื่อให้เกิดการแก้ปัญหา ในยุคที่ไม่มีคอมพิวเตอร์สมองกล เกมและกีฬาต่างๆ มักใช้วัสดุธรรมชาติเป็นอุปกรณ์ประกอบการเล่น และบทบาทมันก็มีแค่นั้นจริงๆ

เกมจำนวนหนึ่งคิดขึ้นเพื่อเสริมสร้างพัฒนาการทางสมอง โดยเฉพาะหมากกระดาน หรือ Board game ที่ช่วยทำให้คนรู้จักการวางแผน คิดซับซ้อนขึ้น ละเอียดรอบคอบและสุขุมขึ้น หมากรุกสากล (Chess) เป็นตัวอย่างของเกม ที่มีระบบการบันทึกทั้งแต้มและการเดินหมากแต่ละครั้งไว้อย่างละเอียด ระบบการบันทึกรูปแบบการเล่นเกมนี้ มีการเผยแพร่ออกมาทั้งในรูปแบบตำรา ทำให้ผู้เล่นทั้งหน้าใหม่ มือสมัครเล่น หรือแม้แต่มืออาชีพศึกษาทำความเข้าใจ โดยเฉพาะการแข่งขันสำคัญระดับเซียน (Chess Master)

ต่อมาเมื่อมีคอมพิวเตอร์ ที่สามารถประมวลผลข้อมูลจำนวนมากที่มีความละเอียดซับซ้อนในเวลารวดเร็ว ซึ่งถ้าใช้คนดำเนินการอาจต้องใช้เวลาหลายสัปดาห์ หลายเดือน จนอาจเป็นปี ในขณะที่ซุปเปอร์คอมพิวเตอร์สามารถดำเนินการได้เสร็จในระยะเวลาที่สั้นกว่ากันมาก ซึ่งแน่นอนในอดีตเครื่องมีขนาดใหญ่และราคาสูงมาก (Mainframe และ Minicomputer) คนทั่วไปจึงไม่นิยมและเข้าถึงได้ยาก หากแต่เมื่อถึงยุค Micro-Chip และ Nano-Chip ในปัจจุบัน เราจึงมีความใกล้ชิดและพกพาไปใช้ที่ไหนก็ได้ แม้ว่าจะมีขนาดเล็ก แต่มันสามารถประมวลผลแบบคู่ขนาน คิดคำนวณหลายอย่างได้พร้อมกัน

 หนึ่งในเหตุการณ์ที่บริษัทด้านเทคโนโลยีพยายามที่จะแสดงว่าคอมพิวเตอร์เป็นมากกว่าสมองกลทำตามสั่ง คือคิดเองได้และเรียนรู้เงื่อนไขเหตุการณ์ต่างๆป้อนกลับเข้ามาเป็นความรู้ใหม่ให้ตัวเอง Artificial Intelligence (AI) หรือ “ปัญญาประดิษฐ์” ศาสตร์ที่เกิดขึ้นเพื่อบอกเราว่าคอมพิวเตอร์สามารถเรียนรู้และตัดสินใจจากประสบการณ์ที่ผ่านมาได้ เฉกเช่นเดียวกับมนุษย์

 นักคอมพิวเตอร์ของไอบีเอ็มให้ความสนใจในเกมหมากรุก ตั้งแต่ปี ค.ศ. 1955 และเป็นรูปเป็นร่างอย่างชัดเจนเมื่อปี ค.ศ. 1985 เมื่อนักศึกษามหาวิทยาลัย Carnegie Mellon ชื่อ Feng-hsiung Hsu ร่วมกับเพื่อนร่วมรุ่น Murray Campbell ได้เริ่มโครงการทดสอบความสามารถของคอมพิวเตอร์ในการเล่นหมากรุกที่เรียกว่า ChipTest ซึ่งต่อมาพวกเขาได้เข้าทำงานกับ IBM เมื่อปี 1989 และร่วมกับคนอื่นๆจัดตั้งเป็นทีมทำงานในชื่อโครงการ Deep Blue

 การแข่งขันกับนักหมากรุกระดับ Grand master ตลอดเวลาหลายปี ถือได้ว่าเป็นการสะสมประสบการณ์คิดคำนวณและสร้างรูปแบบการตัดสินใจให้กับคอมพิวเตอร์ ทุกครั้งที่จบเกมโดยเฉพาะเกมที่ Deep Blue แพ้ นั่นหมายความว่ามันจะได้เรียนรู้สิ่งใหม่ เพื่อเก็บสะสมไว้เป็นฐานความรู้ (Knowledge base) ในการเดินหมากครั้งต่อไป จนกระทั่งเหตุการณ์ประวัติศาสตร์สำคัญเมื่อวันที่ 11 พ.ค. 1997 ที่ IBM Deep Blue สามารถเอาชนะแชมป์หมากรุกมือหนึ่งของโลกอย่าง Garry Kasparov โดยชนะ 2 เกม แพ้ 1 เกม และเสมอ 3 เกม ในการแข่งขันทั้งหมด 6 เกม (ปัจจุบันเลิกใช้งาน และจัดเก็บไว้ที่ Smithsonian Museum in Washington DC)

 สำหรับหมากล้อม หรือ Go มีความสลับซับซ้อนกว่าหมากรุกมาก อีกทั้งมีโอกาสความเป็นไปได้ในการเดินเกมที่หลากหลาย Demis Hassabis หัวหน้าทีมพัฒนา AlphaGO ของ Google DeepMind กล่าวว่าโกะ เปรียบเสมือน “Mount Everest” สำหรับนักวิจัยด้าน AI เป็นความท้าทายอย่างมากในการเขียนอัลกอริทึม เชื่อว่าในช่วงสัปดาห์ที่ผ่านมา มีผู้ชมทั่วโลกติดตามชมหรืออ่านข่าว การแข่งขันหมากล้อม Google DeepMind Challenge Match ระหว่าง AlphaGO และ Lee Sedol มืออาชีพโกะ 9 ดั้ง ชาวเกาหลีผู้รั้งตำแหน่งแชมป์โลก ซึ่งในที่สุด AlphaGO ก็สามารถเอาชนะไปได้ถึง 4 เกม และแพ้ 1 เกม เกมที่สี่ที่ลีชนะนั้น ทำให้เห็นว่า AlphaGO ก็มีจุดอ่อนเช่นกัน ซึ่งมันคงได้เรียนรู้จากข้อผิดพลาดของตัวเอง เพื่อเก็บเป็นฐานความรู้ใหม่ในระบบ

การทำให้เครื่องจักรสมองกลสามารถเลียนแบบคน หรือทำสิ่งต่างๆได้ไม่ต่างจากคน มีภาพยนตร์ฮอลลีวู้ดมากมายที่เน้นย้ำถึงสิ่งนี้ และในการแข่งขันหมากล้อมก็เป็นอีกครั้งที่บริษัทเทคโนโลยีจะได้แสดงให้เห็นถึงศักยภาพและความสามารถด้านการพัฒนาอัลกอริทึมที่ทำให้คอมพิวเตอร์ สามารถคิดคำนวณ วางแผน และตัดสินใจได้ไม่ต่างจากมนุษย์ แน่นอนที่สำคัญมันไม่เหนื่อยล้าเสียด้วย

เกมการแข่งขันระหว่างเครื่องคอมพ์กับคน เป็นอีกหนึ่งประจักษ์พยานว่าสิ่งที่โลดแล่นอยู่ในภาพยนตร์กำลังจะเป็นจริงในไม่ช้า การทำงานร่วมกันระหว่างคนกับเครื่องจักรมีมานานมากแล้ว การทำงานทดแทนคนด้วยหุ่นยนต์เกิดขึ้นแล้วในหลายอุตสาหกรรม และการอยู่ร่วมกันของคนกับจักรกลอัจฉริยะที่มีมาในรูปแบบต่างๆ อาทิ แขนเทียม ขาเทียม และอวัยวะเทียมต่างๆที่สามารถทำงานสอดประสานกันอย่างลงตัวกับร่างกายมนุษย์ และควบคุมสั่งการด้วยสมองของคน กำลังกลายเป็นสิ่งสามัญทั่วไปแล้ว

 ตัวอย่างความสามารถในการคิดคำนวณทางคณิตศาสตร์ จากการเรียนรู้รูปแบบการแข่งขันที่เกิดขึ้นมาจำนวนมากมาย สร้างเป็นเงื่อนไขที่นำไปสู่หนทางที่ดีที่สุด ถ้านำมาผสมผสานกับพัฒนาการด้านอื่นๆของเทคโนโลยี เช่น การรู้จำจากภาพ (Image recognition) การประมวลและสังเคราะห์เสียง (Speech recognition) การแปลภาษา (Machine translation) การทรงตัว (Gyroscope) การระบุตำแหน่งและนำทาง (GPS) และวิทยาการด้านสมอง (Neural network) รวมกับเทคโนโลยีอื่นๆ อาทิ ด้านวัสดุศาสตร์ (Material science) ด้านการแพทย์ (Bio-Medical) เชื่อว่าหุ่นยนต์เสมือนคน จนไม่อาจแยกแยะได้ น่าจะเป็นจริงได้อย่างแน่นอน

 ไม่แน่ว่าปัญหาการขาดแคลนแรงงานคนรุ่นใหม่ พร้อมกับการเพิ่มขึ้นอย่างมากของคนวัยเกษียณ ในยุคสังคมผู้สูงวัย (Aging Society) ที่เรากำลังให้ความกังวลใจอยู่นั้น อาจจะบรรเทาเบาบางและลดความตึงเครียดลงไปได้ด้วยแรงงานหุ่นยนต์ที่เข้ามาแทนที่ ตราบใดที่เครื่องจักรกลอัจฉริยะยังคงทำงานภายใต้การสั่งการของมนุษย์หรือเจ้าของของมันก็คงไม่เป็นไร แต่เมื่อใดที่มันมีความคิดและจิตใจไม่ต่างจากคน คงเป็นเรื่องใหญ่ นั่นอาจถือได้ว่าเป็นการปฏิวัติทางเทคโนโลยีอย่างขีดสุดอีกสิ่งหนึ่งทีเดียว

 ข้อคิดที่สำคัญก็คือ จะเห็นได้ว่าวิทยาการหรือศาสตร์ที่มีความก้าวหน้า มักเกิดจากการบันทึกที่ดี และมีการเรียนรู้ต่อยอดให้ดียิ่งขึ้น ในทางการแพทย์การบันทึกการรักษาและประวัติผู้ป่วยเป็นสิ่งสำคัญ เมื่อผนวกเข้ากับการวิจัยในห้องปฏิบัติการ ทำให้การแพทย์เจริญก้าวหน้าอย่างมาก ดังนั้น “การจัดการความรู้” ที่เหมาะสมย่อมนำมาสู่การพัฒนาได้อย่างไม่ยาก